پرش به محتوای اصلی

موضوع

عامل‌محور

Autonomous agents, tool use, planning, multi-step workflows

۳٬۶۵۹ مقاله منتشر شده

لوگوی دیتابریکس در کنار نمودار رشد ارزش‌گذاری ۱۸۸ میلیارد دلاری

ارزش‌گذاری ۱۸۸ میلیارد دلاری Databricks پس از چرخش به سمت زیرساخت AI

شرکت Databricks پس از جذب سرمایه جدید به ارزش تقریبی ۳ میلیارد دلار، به ارزش‌گذاری ۱۸۸ میلیارد دلاری رسید. این جهش نتیجه تغییر استراتژیک شرکت از یک ارائه‌دهنده داده‌های حجیم به یک…

۳ دقیقه خواندن۱
ساخت عامل‌های هوشمند در PHP: فراخوانی ابزار با لاراول
آموزش کاربردی

داده‌های واقعی در برابر توهمات مدل؛ استراتژی جدید عامل‌های لاراول

یک معماری جدید در لاراول به توسعه‌دهندگان اجازه می‌دهد چت‌بات‌ها را به عامل‌های هوش مصنوعی تبدیل کنند که به‌جای حدس زدن، توابع PHP را برای استخراج داده‌های واقعی اجرا می‌کنند. این…

۵ دقیقه خواندن
ترکیب ۳ مدل هوش مصنوعی با Hermes Agent: نتایج شگفت‌انگیز!
آموزش کاربردی

«ترکیبی از عامل‌ها»؛ راهکار Hermes Agent برای حل مسائل دشوار هوش مصنوعی

آزمایشی عملی با Hermes Agent نشان می‌دهد که معماری «ترکیبی از عامل‌ها» (MoA) با استفاده از چندین مدل مشاور و یک مدل تجمیع‌کننده، کیفیت خروجی را در کارهای پیچیده افزایش می‌دهد. این…

۷ دقیقه خواندن
پروتکل عامل هوش مصنوعی: از کدنویسی بازی تا طراحی هوشمند
داستان‌ها و مصاحبه‌هاتأییدنشده · منبع منفرد

پروتکل جدید عامل‌های هوش مصنوعی؛ جایگزینی برای لیست‌های ابزار ایستا

یک مهندس نرم‌افزار با هدف رفع تأخیر در بازی‌های آنلاین، پروتکولی عامل‌محور ابداع کرد که به جای لیست‌های ساده از ابزارها، از «برون‌فکنی‌های وضعیت» استفاده می‌کند. این رویکرد…

۷ دقیقه خواندن
راهنمای استفاده از مدل‌های زبانی بزرگ برای نگارش فنی
آموزش کاربردی

حلقهٔ بازبینی Oxlo.ai یادداشت‌های پراکنده مهندسان را به مستندات فنی تبدیل می‌کند

یک راهنمای کاربردی جدید نشان می‌دهد چگونه می‌توان با ابزارهای خط فرمان (CLI) و مدل Llama 3.3، یادداشت‌های خام برنامه‌نویسان را به راهنمای Markdown تبدیل کرد. این سیستم با استفاده…

۴ دقیقه خواندن
مقایسه هزینه و سرعت: تیم داخلی در برابر شریک توسعه مبتنی بر هوش مصنوعی
آموزش کاربردی

شکاف زمانی MVP: شرکای هوش مصنوعی مصنوعی در ۶ تا ۱۰ هفته محصول را می‌رسانند

استارتاپ‌هایی که از شرکای توسعه‌دهنده با رویکرد هوش مصنوعی استفاده می‌کنند، می‌توانند محصول اولیه (MVP) خود را در ۶ تا ۱۰ هفته عرضه کنند. این سرعت در مقایسه با تیم‌های داخلی که ۳…

۷ دقیقه خواندن